《数据分析变革:大数据时代精准决策之道》一导读

简介: 正如19世纪的制造业所经历的那样,如今的分析领域也需要经受一场“工业革命”。当下的分析流程多以一种像手工艺式的方式创建,需要花费很多心思和定制化服务。在大多情况下这种手工艺式的方法仍是适用的。然而,我们也必须将数据分析的规模和影响推进到一个更高的层级。


q1

前 言

数据分析变革:大数据时代精准决策之道
正如19世纪的制造业所经历的那样,如今的分析领域也需要经受一场“工业革命”。当下的分析流程多以一种像手工艺式的方式创建,需要花费很多心思和定制化服务。在大多情况下这种手工艺式的方法仍是适用的。然而,我们也必须将数据分析的规模和影响推进到一个更高的层级。工业革命使制造流程实现了从手工制作到大规模高质量生产的现代科技奇迹。在分析领域也必须要发生同样的变革。

几百年前,如果人们需要一个碗,则需要去找陶艺工人,他可以根据任何需求定制出一个碗来。但问题在于,这种方法无法大规模量产。有限的制陶工人们在一天内只能做出一定量的碗。如今,大多数的碗都是由工厂大规模生产出来的。虽然人们依然能从手艺人那里买上一只定制的碗,但除非特殊情况,这种办法并不是那么划算。即便不考虑价格,如今人们也偏爱批量生产出的产品的一致性。然而即使在今天的世界里,碗也不是凭空出现的,仍然需要有人设计、建立原型、做出模具,并确定这样的模具能够重复多次制造出想要的碗来。只有到那个时候,才能启动生产线大规模造出碗来。

运营型分析也需要一个类似的过程。每一项新的分析都需要架构和设计。建立一个分析原型并进行多次迭代测试以确保一切工作正常,也是必不可少的。只有这样,分析流程才能升级为运营流程,启动并自动执行。启动运营型分析后,必须持续监控分析流程的表现,就像监控一个真正的生产线那样。

建立运营型分析不会移除之前分析过程所需的任何步骤。相反,运营型分析将需要更多的步骤。运营型分析依照工业规模来部署分析,就像传统制造流程使得碗可以大批量生产一样。

运营型分析将分析嵌入商业流程并实现自动化决策,使得每天少则数千、多则数百万的决策能够在没有任何人为干预的情况下由分析流程做出。无论这些决策是直接触及客户,还是仅优化一家企业的幕后行为,都将产生实质性影响。

如果一个企业仍没有开始转向运营型分析,而它的对手们已将分析嵌入了业务流程,那么它将面对更严峻的挑战。更多的可用数据、不断提升的数据分析处理能力和强大的数据分析技术,给当今的企业带来了无数运营型分析的商机。

无论你是否意识到了,运营型分析已经在我们身边不停运转并影响着我们的生活。很多情况下,这些分析也不再隐藏于幕后,消费者已经意识到正在发生的分析甚至还很期待。让我们从某些方面简要看一下运营型分析是如何影响我们的日常生活的,并以此来为本书拉开序幕吧。

  • 当航班延误时,航空公司自动为旅客变更航班,以减少对行程的影响并提高客户的满意度。这项分析考虑了每位客户的多种信息、其他乘客以及可选航班状态。
  • 当人们访问喜爱的网站时,这些网站能够基于他们此前的浏览记录和搜索关键词推荐他们可能会喜欢的其他产品,也能根据他们的行为模式了解他们可能关注的细节。这样的分析通常需要考虑用户此前每一个行为直到最后一次鼠标点击。
  • 当顾客因为某项问题联系客服代理,客服总能了解到顾客的历史记录,并且根据分析给出解决问题的最佳办法。这些办法考虑到了顾客和所涉及产品或服务的诸多因素。
  • 社交网站能够通过对延展的社交网络进行分析,从而发现并连接人们许久没有联络的朋友或者同事。当你花几秒钟与一个朋友建立连接时,你将会获得更多的好友推荐。
  • 人们走进一家商店时,基于其当前信用可靠程度的评估使他们即刻便获得一定信用额度,而这取决于对顾客广泛的历史信用数据进行的分析。
  • 银行和信用卡发行机构时常运用分析保护我们不受到欺诈。银行在后台持续不断地审查那些出现欺诈性异常行为的账户,并能够迅速冻结账户,直至与客户核实了消费为止。
  • 以上只是关于运营型分析从哪些方面影响我们的生活、我们认定哪些方面的分析有价值并对其抱有更多期许的几个例子。接下来,我们将讨论各种发生在人们身边却很难被察觉的分析实例。

很多曾支持传统的分析流程开发及部署的技术和架构将不再适用于如今复杂的需求。在运营型分析的迫切要求下,传统的系统、架构和分析方法将显得不堪重负。企业必须适应并改变他们存储数据、分析数据和部署分析结果的方法。这不仅需要改变基础设施和分析方法论,也需要改变企业政策。如果一家企业试图将快速、高容量运营型分析挤进为满足批处理需求而创建、架构的系统和流程中,它将举步维艰。

随着企业间分析领域“军备竞赛”的继续,我们也将看到商业模式和竞争环境的持续混乱。20年前,许多企业很少甚至不使用分析,而如今大多数的企业正在大量使用数据分析。之前采用数周前的历史数据在批处理环境下偶尔执行的分析流程就能足够满足企业的要求。但是,随着分析领域的领导者们正在转向运营型分析,传统的分析流程显然已经成为明日黄花。

5~10年以后,几乎没有企业能够避免这一潮流的影响。抵抗只是徒劳。你的企业需要实施运营型分析,而这本书将帮助你起步。在未来的几年里,分析在持续的商业变革中真正成为核心的运营组件,而不仅仅是一个附加组件,让我们拭目以待。这本书重点说明了这项变革是如何发生的,并阐释了理解并实施运营型分析需要哪些要素。

放轻松,让我们开始吧!

目 录

第一部分 变革已然开始
第1章 了解运营型分析
1.1 定义运营型分析
1.2 欢迎来到分析3.0
1.3 分析是如何改变业务的
1.4 全面看待运营型分析
1.5 小结
第2章 更多数据……巨多数据……大数据!
2.1 穿越炒作的迷雾
2.2 为大数据做好准备
2.3 纵观全局看待大数据
2.4 小结
第3章 运营型分析实战
第二部分 奠定基础
第4章 想要预算?先制订商业计划
第5章 建立分析平台
第6章 监管和隐私
第三部分 分析运营化
第7章 数据分析
第8章 分析机构
第9章 分析文化氛围

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
存储 大数据 分布式计算